Mati Staniszewski prognostiziert im GDIY-Podcast einen einschneidenden Schritt für die künstliche Intelligenz. Der Mitgründer von ElevenLabs rechnet in spätestens zwölf Monaten mit Sprachmodellen, die in Unterhaltungen nicht mehr von echten Menschen zu unterscheiden sind.
Unterhaltungen bestehen den »Turing-Test«
Staniszewski geht davon aus, dass die Technologie in absehbarer Zeit den sogenannten »Turing-Test« besteht. Gespräche mit einer KI sollen sich dann wie echte menschliche Dialoge anfühlen. Sie reagieren schnell und lassen sich jederzeit unterbrechen.
Zudem erfasst die KI künftig emotionale Nuancen und bewältigt flüssige Themenwechsel. Als firmeninternes Ziel nannte der Mitgründer einen sehr ehrgeizigen Zeitrahmen. ElevenLabs will dieses Niveau bereits in einem halben Jahr erreichen.
Ein ähnlicher Zeitplan gilt für die Übersetzung und Vertonung von Videos. Das neue Modell Dubbing-v2 verknüpft Text und Audio enger miteinander und überträgt Emotionen, Intonation sowie die Charakteristik der Originalstimme in andere Sprachen.
Staniszewski erwartet, dass in sechs bis zwölf Monaten erstmals komplett internationalisierte Inhalte auf Filmniveau entstehen. Mit menschlicher Nachbearbeitung erreichen die Ergebnisse laut seiner Einschätzung ein »Hollywood-Level«.
Anzeige
Bildschirme verlieren an Bedeutung
ElevenLabs sieht Voice-Technologie künftig als primäres Interface für digitale Dienste, Geräte und humanoide Roboter. Bildschirme könnten dadurch spürbar in den Hintergrund rücken.
Aktuell verzeichnet das Unternehmen das größte Wachstum bei Voice Agents. Diese Assistenten übernehmen Aufgaben im Kundendienst, im Vertrieb oder im Gesundheitswesen. Auch Terminvereinbarungen lassen sich darüber abwickeln.
Die schnelle Entwicklung bringt jedoch neue Risiken mit sich. Staniszewski rät offen davon ab, Sprache weiterhin zur Authentifizierung zu nutzen. KI-Modelle kopieren Stimmen mittlerweile zu gut.
Warnung vor Open-Source-Modellen
ElevenLabs setzt deshalb auf Moderation, Kennzeichnung und künftig auf digitale Wasserzeichen. Gleichzeitig warnt der Mitgründer vor frei zugänglichen Open-Source-Modellen, denen entsprechende Schutzmaßnahmen fehlen.
Wirtschaftlich will das Startup unabhängig bleiben und schließt eine Übernahme durch einen US-Konzern aus. Stattdessen plant das Management einen Börsengang und möchte den Aufbau eines europäischen KI-Ökosystems vorantreiben. Auf dem hauseigenen Marktplatz finden Nutzer mittlerweile rund 30.000 Stimmen. An die Entwicklergemeinschaft flossen bisher 22 Millionen Dollar.
Das Angebot wird zudem um lizenzierte bekannte Stimmen erweitert, unter anderem durch eine Partnerschaft mit dem Spielwarenhersteller Hasbro.
